然后可以利用预测的相互作用进行大规模的功能预测，解决基因组到现象组的挑战，特别是在数据很少的物种中。例如，该团队能够在 8 天内在单个 GPU 上评估 B. taurus 的 5000 万个候选 PPI。
·在蛋白质和药物的相互作用中，两者形状构象都在发生变化，传统方法很难对两者可能产生的协同变化进行预测，但新模型有可能做到。近日，谷歌旗下DeepMind（深度思维）联合Isomorphic Labs共同发布了新一代AlphaFold模型——AlphaFold-latest。
复旦大学复杂体系多尺度研究院教授马剑鹏团队与上海人工智能实验室合作，近日以《OPUS-Rota4: 一个基于梯度和深度学习的蛋白质侧链建模框架》为题在《生物信息学简报》上发表论文，展示了蛋白质侧链预测算法，其精度显著超越了谷歌团队的阿尔法折叠算法。
当前，AI正重塑蛋白质科学范式，引领生命科学从实验探索迈向精准设计的新纪元。2024年，AlphaFold2因其在蛋白质结构预测方面的突破性贡献获得诺贝尔化学奖，mRNA疫苗也因其在新冠大流行中的关键作用荣获2023年诺贝尔生理学或医学奖。
近日，北京大学王初与苏晓东课题组合作在Nature Chemical Biology上发表文章，基于机器学习和蛋白质“共进化”信号，分析预测蛋白质中的金属结合位点，开发了“2D”机器学习计算方法“MetalNet”，为研究金属蛋白质组和金属生物学提供了新的研究工具。
